计算广告时代广告学科知识体系与培养目标重构*

■ 钟书平

计算广告由Anderi Broder(2008)最早提出:“计算广告的核心挑战是在一个特定语境下的特定用户和合适的广告之间找到那个‘最优匹配’。”①Dave,Kushal和V.Varma(2014)认为计算广告更广泛地被认为是在线广告或网页广告,指的是为一个网页的特定上下文找到一个最相关的广告作为匹配。②刘鹏和王超(2015)适当修改了Anderi Broder的表述,认为“计算广告的核心问题,是为一系列用户与环境的组合找到最合适的广告投放策略以优化整体广告活动的利润。”③刘庆振(2016)认为“计算广告是根据特定用户和特定情境,通过高效算法确定与之最匹配的广告并进行精准化创意、制作、投放、传播和互动的广告业态。技术和数据是这一业态产生和演进的两大关键驱动因素,而通过算法集合自动寻找广告、情境与用户三者之间的最佳匹配则是其主要目的”④。Yang,Yanwu等人(2017)认为计算广告指的是一个具有丰富计算能力的广告生态系统,它运用数学的、物理的、技术的和经济的方法,来表现丰富的广告对象和环境、建模并分析复杂的利益相关者行为、促进高效且有利可图的面向潜在消费者的广告信息投放、提供最优的广告决策和市场开发解决方案。⑤段淳林和杨恒(2018)将计算广告定义为“以数据为基础、以算法为手段、以用户为中心的智能营销方式,它在数据的实时高效计算下,进行用户场景画像,并快速投放、精准匹配及优化用户一系列需求”⑥。Jisu Huh和Edward C.Malthouse(2020)将计算广告定义为一种广泛的、数据驱动的广告方式,它依赖或借助增强的计算能力、数学模型/算法和技术基础设施来生产和传递消息以及监控/监视个人的行为。⑦Yun和Joseph T等人(2020)将计算广告定义为一种个性化传播方式,它利用计算能力在准确的时间、准确的地点,以准确的频率将准确的广告和广告主与准确的消费者进行匹配,以获得准确的响应。⑧在综合了众多学者的研究和当前广告实践领域的现状及其发展趋势之后,笔者认为,计算广告并不是某种广告方式、形式或形态,而是一种全新的广告思维、一种必备的广告能力、一种高级的广告发展阶段,在这一阶段,所有的广告活动都将逐渐地具备计算思维与计算能力。也就是说,“计算”是当前乃至未来一段时期内几乎一切广告活动所体现出来的一大关键特征,我们正在从“策划”的广告阶段、“创意”的广告阶段迈进“计算”的广告阶段,在这一阶段,并不意味着策划、创意、洞察、经验等要素不再重要,而是数据、算法、算力的价值被高度重视并被深度挖掘,从而成为广告活动在这一时期快速发展的核心驱动力,全面改造着广告活动的各个环节和各个细节。因此,我们可以将当前正在经历的这样一个全新的广告活动发展阶段称为计算广告时代。在这个全新的计算广告时代语境下,广告学科过去几十年所构建起来的知识体系、培养目标和人才能力等,都需要进行不断的改造、更新和重构。段淳林教授认为,“面对计算广告的飞速发展与冲击,传统广告教育开始面临困境:传统广告教育的理论观念开始跟不上新时代的步伐；传统广告学科的研究方法和研究范式显得较为老套；传统广告教育的学科体系建设与社会人才需求脱节；传统广告教育的课程设置体系亟待更新等”⑨。

一、广告学科的现有知识体系及其时代困境

广告学本身就是一个非常注重理论联系实际的实践型交叉学科,它在借鉴了新闻传播学、市场营销学、消费行为学、心理学、设计学、社会学、统计学等多个学科的理论成果和实践经验之后形成了广告学现有的知识结构和教学体系。从整体来看,广告学现行的教学框架和知识体系基本能够适应大众媒体时代电视台、报纸、杂志、广播对媒体广告经营人才的需求,以及广告公司和广告主对广告策划与创意人才的需求。各大院校的广告学专业也的确为各行各业培养了一大批广告策划、创意、经营和管理方面的人才。

但随着互联网、移动互联网和物联网等全新的媒体形态和传播渠道快速地发展,以及大数据、云计算、个性化推荐、人工智能、区块链等全新的技术不断被应用到媒体和广告领域内,它们在不断拓展广告学教学和研究边界的同时,也对既有的广告学基础理论、基本逻辑和知识体系造成了比较明显的冲击。

具体来看,过去几十年我们已经积累的成型的广告学知识体系在计算广告时代面临量化思维、数据思维、算法思维的明显不足的挑战。我们分别从这枚“硬币”的两个方面来看:一方面,经验主义主导了广告学科理论的构建和知识的积累。尽管早在20世纪初叶广告大师克劳德·霍普金斯就提出了“科学的广告”这一主张,并广泛采用文案调查、直邮营销、免费试用等多重手段来跟踪广告效果,甚至他自己也自豪地宣称“追踪到的收益可以精确到每分每毫,每个回复的平均成本和每一美元销售额的平均成本都在追踪到的收益中精确地显示出来……经过这样的长期发展,广告营销成为一门精准科学”⑩。但事实上,霍普金斯之后的广告研究和实践的继任者们,包括罗斯·瑞斯夫、大卫·奥格威、杰克·特劳特等在内,在整个20世纪都没有学者将广告真正发展为一门科学,反而使它在“艺术”与“玄学”的路上越走越远,这也恰恰是约翰·沃纳梅克抛出的那句“我知道广告费用有一半被浪费了,但我却不知道是哪一半”能够引发强烈认同和广泛讨论的原因。另一方面,量化思维和大数据思维在广告教学各门课程中严重缺乏。尽管在现有课程体系中也设置了类似广告调查或统计学基础这类侧重量化研究的课程,但一则课程体量相对较小,二则学生学习效果相对较差,导致相当部分院校的这类课程流于形式,甚至部分院校干脆不设置这样的课程。与此相对应的是广告实践领域由于传统抽样调查所固有的局限性,也更多地是将调查数据当做一种用来锦上添花般地支持自身主观决策的“辅助工具”而已。但当前阶段,对于大数据思维和技术的运用,广告业界尤其是互联网广告领域很明显地已经走在了学界的前面,甚至也走在了许多其它行业的前面。此时,广告学科过去几十年积累下来的部分理论知识很难再对当下的广告实践具有足够的指导力,甚至有时候连解释力都表现得差强人意。广告实践变得越来越“不唯书,不唯上”,而是唯数据。数据,兼具了指导力和解释力。但广告学科当下面临的主要问题,最明显欠缺的恰恰就是利用数据对于文案、策划、创意、投放等知识体系的改造。

二、计算广告时代广告学知识体系的更新

综合分析来自国内外大量学者对于计算广告的研究、分析与探讨,我们会发现,无论是来自计算机、信息管理等自然科学领域的研究者,还是来自新闻传播、市场营销等社会科学领域的研究者,其对计算广告的理解和认知大致有如下几个层面的共识:(1)精准匹配。无论是目标用户与网页内容的精准匹配,还是特定用户、特定情境与特定广告之间的精准匹配；无论是丰富的广告环境与潜在的消费者之间的精准匹配,还是用户场景与用户需求之间的精准匹配,几乎所有的研究者在对计算广告进行定义的时候,都在根本上继承了Anderi Broder在计算广告的核心挑战中提出来的“最优匹配”(best match)这一基本理念。(2)数据驱动。尽管并非每位研究者在其各自的计算广告定义中都明确地强调了数据本身与精准匹配之间的联系,但显而易见的事实在于,对计算广告的研究正是在2010年前后大数据被全球互联网公司普遍关注和广泛应用之后才逐渐兴起并快速发展起来的,因此,大数据对于计算广告的价值和意义可以说是不言而喻的。(3)用户画像。在上文对于计算广告的不同理解中提到,利用数据“建模并分析复杂的利益相关者”,这其中最主要的利益相关者就是用户,尤其是给定的、特定的或具体的用户；“监控/监视个人的行为”亦即利用大数据的方式对具体用户的媒介使用习惯和日常消费行为进行记录与跟踪。只有利用大数据技术对具体的用户进行具体的画像,才有可能实现“精准匹配”的目标。(4)个性化推荐。消费者已经成为可以被清晰绘像的个性化用户而不再是同质化的媒体受众,技术的快速发展也已经为针对特定消费者进行更加精准的广告投放提供了可能性,于是这时候的广告投放机制就逐渐从传统媒介的时段/版面购买过渡到了网络媒体的受众定向,采用个性化推荐的方式在准确的时间、地点和媒介场景下,将准确的广告信息推荐给准确的消费者。(5)效果可归因。计算广告语境下的广告活动效果监测和效果评价变得更加真实、客观和有参考意义,传统广告效果的衡量最大的问题在于没有办法跟踪用户的真实消费行为和转化路径,因此没有办法判断广告活动究竟在多大程度上影响了消费者的购物决策,更无法给出更加具体的影响机制和影响路径。但计算广告为我们提供了广告传播路径、效果转化及其作用机制的完整且清晰的数据呈现,这就使得广告活动进入到了一个用数据说话的可归因和可建模阶段,而这时候的广告活动就转变成了数据和算力驱动的广告活动,而非单纯的创意和经验驱动的广告活动。

基于以上五点特征,广告活动逐步提升了它的客观性和科学性,并逐渐地更新着广告学的理论框架和知识体系。这种更新,一方面，是利用大数据思维和技术对大众传播时代建构起来的广告学知识架构的各环节和各要素进行全新的解构,但这种结构并不是全盘的推翻和颠覆,因为其中涉及到的洞察、创意、策划等大量知识依然有着巨大的价值；另一方面,则是在解构的前提下对互联网、移动互联网乃至物联网时代的全新的广告营销活动及在其基础上形成的广告观和方法论进行梳理、归纳和总结,并逐步地重构整个广告学的基础理论。对于既有的广告学理论体系和知识框架来说,计算广告视野中的广告观和方法论切切实实地弥补了传统广告理论体系在消费者研究、广告创意、媒介投放和效果分析等诸多环节在数据、实证、效果归因等诸多方面的明显缺陷,而且,随着数据思维和计算技术不断地渗透到广告学知识体系的各个角落,这种大范围的解构和重构将在根本上推动整个广告学科的范式转换。关于范式转换,库恩在其著作《科学革命的结构》中格外强调过这个话题,即某种科学范式尽管具有一定的稳定性,却不是一成不变的,它把这种从旧的范式向新的范式的变革过程称为“范式转换”,在这一过程中,科技革命是形成范式转换一种重要驱动力。而事实上,计算广告的快速发展也正是当前以移动互联网、物联网、5G通信、大数据、人工智能等为核心技术集群的新一轮信息科技革命的重要产物,它不但推动了广告产业的进化,也推动了广告学的理论研究和知识积累从探讨如何利用广告满足大众市场中的同质化消费需求向着思考如何利用广告服务于更加精准化、个性化、动态化、场景化和即时化的消费需求转换。因此,从这个角度来看,我们更倾向于把计算广告及建立在它的实践基础之上的广告知识体系视为一种全新的广告观和方法论,它对广告领域的影响是广泛的、全面的、立体的、深刻的甚至是根本的,而同时它对广告学理论体系和知识框架的改造也不止于方法论,更重要的还包括基础假设、核心理论、根本逻辑等底层代码。这种解构和重构意味着,新范式与旧范式之间尽管还存在着某些相同的要素和思想,但在本质上它们已经不再享有共同的认识论和方法论。不断涌现的新现象、新思维、新知识和新理论在现实层面上逐渐打破了原有的研究假设和基础法则,从而使得科学/学科的基础理论和应用逻辑发生了根本性的调整或颠覆:新的范式及其研究者必须承诺能够最大限度地为不断涌现的明显且广泛的具体问题提供全新的解决方案。今天,建立在计算广告认识论和方法论基础上的全新的知识体系正在试图为广告活动及其相关的一系列问题提供一种全新的解决方案,机器生成文案、程序化创意、程序化广告投放、个性化内容推荐引擎、智能化效果监测与管理……这一切都推动着广告学不断解构并重构学科的知识体系。

我们正站在一个全新的计算社会科学的起点上,从这个起点开始,数据要素和计算能力将成为包括广告学在内所有社会科学赖以生存和发展的根本性资源,同时也将会是各个学科知识增长点的重要来源。数据不仅仅是一种研究方法,它还是一种世界观,“是一种思维方式,按照大数据的思维方式,我们做事情的方式与方法需要从根本上改变”；同理,算力与算法既是认识论又是方法论,它们与数据一道重塑并更新着全球范围的广告学知识图谱。具体来看,这种知识体系的更新主要涉及以下几个方面:(1)新理论的形成。尽管从计算广告的提出到现在已经过去了十余年的时间,国内外对计算广告的研究也已经从星星之火逐渐具有了发展为燎原之势的潜力,但直到目前为止,无论是广告业界还是广告学界,都尚未形成一整套关于计算广告的完整理论框架,更遑论在此基础上进一步重建整个广告学学科的知识体系和理论脉络。当然,我们也不能因为尚未形成完整的全新理论框架而有意无意地忽略或回避理论创新的可能性。恰恰相反,计算广告时代的广告观和方法论使我们信心十足地相信,广告学距离成为一门真正的科学只有一步之遥了,全新的广告学知识理论体系已经呼之欲出了。(2)新议题的探讨。广告学领域的很多传统议题依然存在并有着其重要的现实意义,但与此同时,伴随着计算广告的兴起和发展,很多新的议题也开始进入人们的视野,例如个性化推荐、场景营销、算法偏见、数据主权、用户隐私等,对这些全新议题的探讨不但有助于解决当前广告活动中存在的现实问题,而且有助于形成广告学科的新知识、新思维乃至新理论。(3)新方法的普及。研究新的议题需要新的方法,研究老的议题也同样需要新的方法,新方法对于一个学科知识的积累和理论的形成同样至关重要。如何将广告业界的实操方法总结、归纳并提炼形成适合整个行业的全新方法论,如何将新技术带来的新方法在广告实践和广告研究的各大领域进行广泛普及,这些问题的解决都有助于广告学知识体系的更新。(4)新人才的培养。无论是理论还是知识,它都不会自行完成更新,而是必须由全新的人才来承担这项重要的使命。一方面,现有的人才需要主动完善自身的知识结构；另一方面,更应该高度重视新人才的培养,这又包括广告学师资队伍中的新人才和广告学将要为整个行业和社会输出的新人才。产业对新人才的需求倒逼广告学教学框架的调整与变革,而要真正完成这种变革,则必须建设一直能够承担起这一重任的师资团队。

三、计算广告语境下的广告学教学框架重构

既然我们已经清晰地将计算广告界定为广告活动发展到当下的一个全新的广告阶段、全新的广告时代,那么毋庸置疑地,计算广告学也同样是广告学这门学科发展到当下的全新阶段、全新时代。在这样的语境之下,我们再来看Anderi Broder(2008)早期所提出来的说法,“计算广告学是一门正在兴起的分支学科,涉及到大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学”,就会更加清晰地理解,这里所说的计算广告学作为一个分支学科,其实并不是指它是广告学的一个分支学科,而是指它是更大的母学科的一个分支学科。但是很显然,这个母学科并不清晰,我们与其称之为分支学科,不如把它继续称为像广告学那样的交叉学科,它是广告学这个学科在当前的时代语境下与数据科学、人工智能科学以及其它正在兴起的全新科学相互交叉、相互融合之后,正在形成的一个全新的科学学科,是广告学在经历了漫长发展历史之后到今天必然面临的一种向真正的广告科学过渡的高阶进化。因此,我们如果将计算广告学视为广告学的一个分支学科,就必然会产生各种各样的误解,并把广告学的学科发展带入到种种误区中去。计算广告学不是广告学的分支学科,它就是广告学本身,就是当下的广告学全部的知识体系必须利用全新的计算技术和计算能力进行的一次更新、升级和改造,就是整个广告学科正在经历的一场全新的、全面的、彻底的范式转换。新范式之于旧范式,不是颠覆、革命和破坏,而是融合、完善和创新。具体来看,可以从以下两个方面着手:

其一,需要在现有的课程体系中全面融入数据思维、量化手段和计算工具。正如前文所述,计算广告学就是广告学本身,“计算”是广告学在当下的全新阶段最主要的特征与最核心的动力,它需要被融合到广告学教育的方方面面和各门课程中去,而不是简单地由某几位老师开设一门《计算广告概论》这样的课程就可以轻松解决的实际问题。毕竟,“计算”思维和能力改造的并不仅仅是广告投放环节,它已经深刻地影响了策划、创意、文案、设计、制作等广告活动的各个环节,因此相关的广告学课程也必须顺应产业发展和学科发展的需求,不断更新课程的知识体系、能力目标和教学方式。

其二,需要现有广告学科的教师队伍不断更新自身的知识储备和教学方式。事实上,上文所提到的更新整个广告学科的课程设置和知识体系所面临的一个首要问题就是教师队伍知识体系相对较为精专和相对较为陈旧的现实困境。如果这一问题不能很好地被解决,那么仅仅调整课程设置将会是徒劳无功的,“新课程老课件”“新名字老内容”的现象在各大院校的各个专业并不鲜见,“因人设课”“因人改课”的现象也屡屡发生,全国各高校的广告学专业也难免遇到类似情况。这时候,教师队伍及其知识体系的存量如何更好地发挥其应有价值,并综合运用各种方式方法开拓相应的增量人才和知识,就成为一个亟需解决的实际问题。解决思路大致有如下几种:(1)打散。也就是打散现有的课程固化、任课教师固化和教学模式固化状况,然后根据学科发展需要和学生培养能力需要,重新规划面向计算广告时代的人才培养课程体系,同时根据不同教师的能力专长进行全新组合,由课程小组而非单个老师完成一门课程的教学任务,将课程所需要的数据思维和计算工具有机融合到不同老师的授课环节中去,比如在广告策划课程中,既有专门讲授策划方法的教师,又有专门指导学生通过平台数据挖掘和分析为策划活动提供客观依据的教师,这样就可以将定性与定量、经验与实证、艺术与科学有机结合在一起。(2)打通。也就是打通高校教学与产业实践,真正将教学与实战两个环节衔接起来,让学生在学中练、在练中学,使广告学的“计算”特征不仅仅停留在课堂中的高谈阔论,更要落地为一门真真正正的实践学科。例如中国传媒大学广告学院与脸书联合开发的“海外智能营销人才”培养项目,北京大学广告学专业与字节跳动旗下营销公司巨量引擎联合开发的“智慧营销实战教学创新项目”,以及本文笔者所在的学校与知乎联合开发的“社会化问答营销实战项目”等,都是顺应计算广告时代的人才需求而进行的产学创新探索。这种探索还需要向前继续迈进,真正形成常规化的广告学专业核心课程或选修课程,而不仅仅是停留实验项目或创新项目的层面,这就需要各大院校的广告学专业打通学界、业界之间的授课团队流动和互动机制,不断扩充自身的专职、兼职教师队伍。(3)打败。也就是各大院校的广告学专业要敢于否定自己过去所取得的成就,实时更新现有的人才梯队,为新范式、新理念、新教师提供创新的机会和土壤。同时,现有教师团队要敢于不断“打败”过去的自己,走出舒适区,实时更新现有的知识体系。事实上,上述三点中的任何一点,都是看似简单但操作起来却会面临重重障碍的现实难题,它考验的不仅仅是相关院系或专业负责人的勇气和魄力,更重要的还有面对计算广告时代的现实需求积极拥抱变革的智慧和策略。

四、面向未来的复合型广告学人才培养目标

“有些知识我们曾经坚信不疑,将它们视为权威机构最坚不可摧的基础。然而如今,这些知识也遇到了质疑,从而使得这些机构都受到了冲击。”诚然如此,我们曾经深信不疑的广告学科的经典理论、经典模型和经典观念都在受到质疑,尽管还没有被彻底推翻,但这种质疑也提醒我们要不断地与时俱进,并清醒地意识到,当获取、保存、传播、交互、生产和消费信息的媒介和方式发生变化的时候,广告营销的基本法则也发生了相应的改变,这时候在旧范式的基础上建立新范式已经成为当务之急。“对于广告学科而言,新范式区别于旧范式的最大特点在于它是以当前科技革命的核心技术集群及应用成果为基础的,其所有理论拓展和应用创新都离不开对互联网、移动互联网、大数据科学、人工智能科学等技术手段的运用。这也恰恰正是旧范式先天存在的最大缺陷,它直接导致了旧范式无法为层出不穷的新营销问题提出可行的解决方案,”从而也同样没有办法为日新月异的产业发展源源不断地提供有竞争力的应用型人才。在计算广告的时代语境下,包括笔者在内的所有广告学科的教学科研人员都应该主动地承担起面向未来的产业需求和科研需求来培养更优秀的广告人才的责任,同时我们也应该认真地思考如何更新自身的知识体系和教学方式来服务于人才的培养。

过去,包括广告学科在内的大多数学科都致力于培养专业能力过硬的T型人才,这与工业经济时代的产业边界和劳动分工非常清晰有着明显的关系,高校院系和专业的设置基本都是对照相应的产业而设置的,其人才培养的目标也相对较为明确,那就是为对应的产业培养有用的人才。T型人才的培养模式,基本能够满足产业需求,这其中“—”表示有广博的知识面,大学设置的通识课、各类选修课等基本是为了学生能够涉猎到更广泛的知识而准备的；“|”表示知识的深度,各个专业设置的专业必修课、基础课、核心课就是用来强化学生的专业能力的。理想状态下,这类集深与博于一身的T型人才,不但能够具备比较广泛的一般性知识修养,而且也能够在自身的专业领域深耕下去获得深厚的经验积累、提出独到的专业见解并开展有价值的创新活动。直到今天,这类人才依然是各个产业非常急缺的人才,无论是其他学科还是广告学科,也都还需要在培养T型人才方面继续不断探索以便能够输出更高质量的此类人才。但与此同时,我们也应该注意到产业发展的另外一种趋势,那就是随着“互联网+”、媒体融合、产业融合的不断演进和逐步深化,无论是各大传统产业还是近年来方兴未艾的新兴产业,也开始对另一种全新的π型人才产生了非常迫切的需求。简单来看,π型人才所要求具备的技能中,“|”依然是指人才本身应该具备的专业技能,但产业对这种专业技能的需求不仅仅只是单纯的一种,而是两种,甚至是多种；而“—”则要求新型人才不仅仅涉猎广泛,更重要的是还能够做到庞杂知识的融会贯通。很显然,比起过去的T型人才,π型人才是一种典型的复合型人才,产业对这类人才的需求倒逼着各大院校进一步提升自身的人才培养能力和改进自身的人才培养目标。

对于计算广告时代的广告学科来说,在继续加强T型专业人才培养的同时,也需要看到广告产业、媒体产业以及与之高度相关的其它产业对于π型人才的需求越来越强烈,尤其是需要那些既具备广告活动策划、创意、文案、投放等基础能力同时又拥有较为敏锐的数据挖掘和分析能力的复合型人才,他们不但深谙用户的消费心理、市场的需求痛点、广告的基本规律,更重要的是还能够借助于前沿的数据技术和计算能力对上述经验性的判断进行验证、对广告活动中的各类效果进行归因、对已经完成的广告活动进行复盘并在此基础上提出优化方案和策略等。也就是说,全新的广告学范式——计算广告学范式对各大院校的人才培养提出了更加综合性的能力要求,尽管专业型的人才依然有需求,但复合型的人才培养也必须受到高度的重视。反过来,面向未来的复合型广告学人才培养目标,也激励着各大院校的广告学教育不断进行完善、更新和改革,从而形成一种教学科研和人才培养良性互动、正向循环的有益机制。在这个过程中,广告活动本身将会变得更加客观、科学、透明、有效和友好,广告学也将不再仅仅是一门建立在大胆策划、巧妙创意、经验指引基础上的“魔法艺术”,从而真正具备了作为一门科学的合理性与合法性基础。因为,越来越多的π型实战人才和教学科研人才的培养,将会彻底将广告学这门交叉学科的定性与定量、社会科学属性和自然科学属性完美有机地融合在一起,并不断向着下一个新的阶段和新的时代演进和发展。

五、结语

在计算广告语境下,广告学科的发展所面临的挑战是真实的,也是具有根本性意义的。面对当下百年未有之大变局,面对媒介环境的变化、产业需求的倒逼以及人才培养的升级,面对新文科“守正创新”的基本要求,计算广告学新范式的确立恰恰是一种有力且及时的回应,它并没有彻底抛弃旧范式积累数十年乃至上百年的理论经典和思想精髓,也没有抛弃策划、创意、文案等基本技能,而是利用数据主义和计算主义的思维、方法和工具对它们进行更新、改造和重塑。在这个过程中,我们逐渐发现广告学科的知识体系和人才培养目标发生了质的变化,广告学科本身也将一定会焕然一新,并继续展现出其充沛的活力和强大的生命力。

注释:

② Dave,Kushal,and V.Varma.ComputationalAdvertising:TechniquesforTargetingRelevantAds.Applied Surface ence,vol.292,no.10,2014.p.1046.

③ 刘鹏、王超:《计算广告——互联网商业变现的市场与技术》,人民邮电出版社2015年版,第23页。

④ 刘庆振:《“互联网+”时代的计算广告学:产生过程、概念界定与关键问题》,《新闻知识》,2016年第6期,第13页。

⑤ Yang,Yanwu,et al.ComputationalAdvertising:AParadigmShiftforAdvertisingandMarketing?IEEE Intelligent Systems,vol.32,no.3,2017.p.4.

⑥ 段淳林、杨恒:《数据、模型与决策:计算广告的发展与流变》,《新闻大学》,2018年第1期,第129页。

⑦ Huh,Jisu,and E.C.Malthouse.AdvancingComputationalAdvertising:ConceptualizationoftheFieldandFutureDirections. Journal of Advertising，vo.4,2020.p.3.

⑧ Yun,Joseph T.,et al.ChallengesandFutureDirectionsofComputationalAdvertisingMeasurementSystems. Journal of Advertising,no.6,2020.p.4.

⑨ 段淳林:《计算广告的发展对广告学的冲击与挑战》,《中国广告》,2020年第11期,第28页。

⑩ [美]克劳德·霍普金斯:《科学的广告》,李宙、章雅倩译,北方妇女儿童出版社2016年版,序言。